Aula 1 - Conhecendo o R

Escola de Métodos em Ciência Política

Frederico Bertholini

Abrindo o R e conhecendo o software

Passos iniciais

R é software de PROGRAMAÇÃO ESTATÍSTICA

Nota

Tem dividido com o Python o posto de software mais popular entre cientistas sociais

Vantagens:
– Software Livre
– Documentação completa e acessível
– Diversidade de arquivos
– Replicabilidade de rotinas

Um Excel que usou o suco?

Se é possível fazer no Excel, é possível fazer no R
Entretanto, se é possível fazer no R, não necessariamente é possível fazer no Excel

Ambiente de desenvolvimento para cálculos estatísticos e gráficos

Vários cálculos estatísticos mais sofisticados estão disponíveis no R através de pacotes desenvolvidos pela comunidade

Habilidades necessárias

Escrita:
– Elementos (ex: numeric, character, factor…);
– Funções básicas (ex: sum(), table(), sd());
– Composição do script (ex: c(), for loop);

Leitura:
– Identificação de funções;
– Diferentes soluções;
– Alertas de erros;

Importante

adquirir autonomia com o software

Habilidade mais importante

Dada a multiplicidade de soluções, de alertas de erros e o universo de pacotes com diversas funções

a habilidade mais importante é saber pesquisar no Google

Melhor em inglês pela quantidade de fóruns:

– Melhor fórum: Stackoverflow

– Posit Community despontando

Dica

IA como nova ‘habilidade’: além do ChatGPT

RStudio

RStudio é um ambiente para desenvolvimento do R (IDE)
Ao longo do curso utilizaremos o RStudio
Utilizando nada dos botões ou possibilidades específicas do RStudio

Posit (https://posit.co/download/rstudio-desktop/)

Posit Cloud for free

Aparência do RStudio

Aparência

Básico do básico: um operador e um comando

Linhas escritas no ambiente onde se registra o script (Scripts são arquivos de texto)

Ctrl + enter (cmd + enter no mac)

Executa (roda) as funções e programações escritas nas linhas selecionadas

Hastags

Insere comentários sem gerar outputs (organizar e registrar dentro dos scripts)

Fluxos: scripts e projetos

Como sai no R?

#Insere comentarios sem rodar o comando

Importante para organizar e

# Erro: unexpected symbol in "Importante para"

##Registrar o que se vai fazer ou foi feito

R como calculadora

Um função primordial e básica do R, como software estatístico, é de calculadora
O R possui os operadores básicos da matemática como ‘+’ , ‘-’, ’*’ e ‘/’

5 + 5

[1] 10

5 - 3

[1] 2

4 * 9

[1] 36

16 / 2

[1] 8

R como calculadora

Assim como na matemática, atenção em relação aos ()

(5 + 6) * 3

[1] 33

5 + 6 * 3

[1] 23

Além das funções de exponencial e raiz quadrada
Respectivamente, ^ e sqrt()

2 ^ 2

[1] 4

sqrt(36)

[1] 6

Lógica

O R permite também avaliações lógicas
Ou seja, o software possui operadores lógicos afim de fazer testes lógicos com resultados de Verdadeiro ou Falso de acordo com a proposição
Os principais operadores são $==$, $<$ , $>$, $<=$ , $>=$ e $!=$

5 == 5

[1] TRUE

5 <= 5 / 5

[1] FALSE

5 * 4 > 5

[1] TRUE

3 != 6

[1] TRUE

Lógica

Testamos também Verdade e Falsidade

TRUE == TRUE

[1] TRUE

TRUE <= FALSE

[1] FALSE

Assim como estamos caracteres

"Python" == "python"

[1] FALSE

"Stata" != "Sasta"

[1] TRUE

Operadores lógicos especiais

Atenção para os operadores e e ou
O primeiro, para ser verdade, precisa que todos os pressupostos sejam verdadeiros

(3 == 3) & (4 != 5)

[1] TRUE

O ou, por sua vez, para ser verdade precisa que apenas 1 pressuposto seja verdadeiro

(3 != 3) | (4 != 5)

[1] TRUE

Atribuição

Trata-se da famosa ‘setinha’ que indica objetos (valores, vetores, dataframes) para alguma etiqueta
Dessa maneira, podemos ‘salvar’ os objetos nas etiquetas para utilizarmos através dessas em qualquer momento ao longo do script
Quando utilizadas em operações, as etiquetas representam aquilo que fora atribuído a elas
Quando criamos a etiqueta, não geramos outputs, apenas quando rodamos diretamente a etiqueta

sorte <- 5

Regras do uso da setinha

Atenção, letras maiúsculas e minúsculas importam

sorte <- 5

Sorte

# Erro: objeto 'Sorte' não encontrado

Regras do uso da setinha

Também não podemos criar etiquetas que começam com números

15luck <- 15

# Erro: unexpected symbol in "15luck"

Cuidado com a utilização de etiquetas com o mesmo nome de funções, pode gerar confusão no script

Classes

Em basicamente tudo que iremos fazer no R, a classe da informação importa Em termos elementares, ou ao nível dos valores, existem três grandes classes:
- Numeric (númerico);
- Logical (lógico);
- Character ou factor (caracteres);

Para obter a informação sobre a classe, iremos aprender nossa primeira função no R: class()

Númerico

numeric é a classe composta por valores númericos

class(sorte)

[1] "numeric"

Objetos deste tipo permitem funções matemáticas como média, mediana etc…

Númerico

No caso de valores decimais, utilizamos ponto em vez de vírgula

decimal <- 3,5

# Erro: ',' inesperado in "decimal <- 3,"

decimal <- 3.5

Lógico

logical é a classe composta por TRUE, FALSE e NA

vdd <- TRUE

class(vdd)

[1] "logical"

Não é preciso escrever sempre TRUE e FALSE, podemos resumir para T e F, respectivamente
Por trás dos valores T e F, há valores númericos correspondente a 1 e 0

T + F

[1] 1

Caracteres

character é a classe composta por nomes
Importante característica é que os nomes devem estar dentro de aspas, caso contrário, o R não reconhecerá como caracter

nome <- "Alvaro"

nome

[1] "Alvaro"

class(nome)

[1] "character"

Caracteres vs Fatores

Em termos estatísticos, não há diferença entre caracteres e fatores
Fatores apresentam as categorias por dentro de vetor.
Em termos de manipulação de dataframes, porém, veremos que esses dois objetos terão tratamento distintos, a começar pela importação da base e a definição de string tratada como factor

Vetores

O que são vetores?

Vetores são combinações de valores em uma estrutura unidimensional
Ou seja, podem ser combinações de números, valores lógicos, nomes e várias outras possibilidades
Por exemplo, combinação de valores pares: 2,4,6,8
Ou a combinações de nomes começando por P: Pedro, Paula, Pietro, Paloma
Combinação de valores lógico: TRUE, FALSE, TRUE, TRUE

Criação de vetores

Para criar vetores é importante combinar valores
A função necessária para a criação de vetores é a função c(), c de combine ou concatenate

c(2,4,6,8)

[1] 2 4 6 8

c("Pedro","Paula","Pietro","Paloma")

[1] "Pedro"  "Paula"  "Pietro" "Paloma"

c(TRUE,FALSE,TRUE,FALSE)

[1]  TRUE FALSE  TRUE FALSE

Etiquetas para vetores

Assim como fizemos com os valores, atribuímos também etiquetas aos vetores
Dessa maneira, podemos trabalhar com as sequências ao longo do script, assim como dar razão ou justificativa aos valores combinados

n.pares <- c(2,4,6,8)

nomes.com.p <- 
c("Pedro","Paula","Pietro","Paloma") 

valores.log <- c(TRUE,FALSE,TRUE,FALSE)

Classes dos vetores

Os vetores também possuem classes
Essas categorias determinam as operações possíveis dentro de um vetor
Para obter a informação sobre a classe de um vetor, utilizamos a função class()

class(n.pares)

[1] "numeric"

class(nomes.com.p)

[1] "character"

class(valores.log)

[1] "logical"

Comprimento de vetores

Os vetores podem ser medidos em relação ao seu comprimento
O seu comprimento define a extensão do vetor, assim como quantos elementos estão presentes dentro da combinação de valores
O comprimento pode ser medido pela função length()

length(n.pares)

[1] 4

length(nomes.com.p)

[1] 4

length(valores.log)

[1] 4

Somatório de vetores

Para vetores númerico podemos somar os valores de um vetor
A função se chama sum() que corresponde ao $\sum$

sum(n.pares)

[1] 20

Em vetores com valores lógicos, com TRUE e FALSE, o sum soma o número de T que temos dentro de um vetor

sum(valores.log)

[1] 2

Somatório de vetores

A função sum() pode se tornar ainda um contador de um teste
Por exemplo, queremos saber quantos nomes são iguais ao de Pedro no vetor ‘nomes.com.p’

teste1 <- nomes.com.p == "Pedro"

sum(teste1)

[1] 1

teste1

[1]  TRUE FALSE FALSE FALSE

Seleção de elementos

Queremos selecionar no vetor nomes.com.p o segundo elemento que é Paula
Vejamos, primeiro, como se compõe o vetor de caracteres nomes.com.p e a lógica do posicionamento dentro do vetor

nomes.com.p

[1] "Pedro"  "Paula"  "Pietro" "Paloma"

Seleção de elementos

Vamos testar se Paula se inclui dentro do vetor sem termos que ver no console
As vezes, vetores são maiores do que temos como exemplo
Para o teste lógico, utilizamos o operador %in%, que retorna TRUE, caso o valor esteja incluso no vetor

"Paula" %in% nomes.com.p

[1] TRUE

Seleção de elementos

Algumas operações se restrigem à determinados elementos ou à um conjunto deles incluso dentro de um vetor
Para realizar tais procedimentos precisamos saber escolher elementos
Para isso, utilizaremos o operador ‘[]’ depois de apontar o vetor
Mais especificamente: Vetor; []; Posição ou regra;

Seleção de elementos

Para escolhar Paula, portanto, vamos definir como a segunda posição dentro do vetor

nomes.com.p[2]

[1] "Paula"

O posicionamento dos nomes ao longo do vetor determina como seleciona-lo individualmente
Porém, podemos selecionar através do valor

nomes.com.p[nomes.com.p == "Paula"]

[1] "Paula"

Seleção de elementos

Selecionamos também o último valor do vetor nomes.com.p
Sabemos que o vetor possui 4 valores utilizando a função length()

length(nomes.com.p)

[1] 4

Seleção de elementos

Assim o último valor é igual a 4
Para selecionarmos o último valor, ou definimos como a posição 4 ou apenas o length() do vetor

nomes.com.p[4]

[1] "Paloma"

nomes.com.p[length(nomes.com.p)]

[1] "Paloma"

Seleção de elementos

Para seleção de elementos através de regras, podemos utilizar o vetor númerico de n.pares

n.pares  <- c(2,4,6,8)

n.pares

[1] 2 4 6 8

O objetivo aqui é selecionar os elementos maiores que 5, que é a mediana do vetor

median(n.pares)

[1] 5

Seleção de elementos

Selecionamos, assim, os elementos acima da mediana do vetor n.pares, que são os valores 6 e 8

n.pares[n.pares > 5]

[1] 6 8

Ou ainda podemos definir o valor 5 como o valor da mediana
O resultado é o mesmo, porém, deixa claro ao leitor do seu script que se trata dos valores acima da mediana do vetor n.pares

n.pares[n.pares > median(n.pares)]

[1] 6 8

Operações matemáticas

Operações com vetores

Em vetores numéricos, podemos fazer operações matemáticas a partir do seu posicionamento
Vamos calcular o alcance do vetor “n.pares”

#ultimo elemento 
n.pares[length(n.pares)]

[1] 8

#primeiro elemento
n.pares[1]

[1] 2

Subtraindo esses dois elementos, temos o alcance do vetor

n.pares[length(n.pares)] - n.pares[1]

[1] 6

Operações com vetores

Ainda em vetores numéricos, vamos calcular vetores com regras
Selecionamos elementos maiores que 5

n.pares[n.pares >= 5]

[1] 6 8

Queremos duplicar os valores inclusos dentro da condição

n.pares[n.pares >= 5] * 2

[1] 12 16

Por fim, operacionar um conjunto com um elemento

n.pares[n.pares >= 5] * n.pares[1]

[1] 12 16

Conjuntos

Utilizamos a teoria de conjuntos no R com a função de manipular e identificar elementos comuns ou diferente entre vetores
Já temos o vetor “n.pares” e vamos criar um vetor com números naturais

n.naturais <- c(0,1,2,3,4,5,6,7,8,9)
n.naturais

 [1] 0 1 2 3 4 5 6 7 8 9

Se perguntarmos por valores que não estão no vetor “n.naturais”, o resultado será conjunto vazio

n.naturais[n.naturais == 10]

numeric(0)

Conjuntos

Outro ponto importante é saber se os elementos estão contidos dentro de outro vetor
A pergunta a se fazer é: os elementos do vetor “n.partidos” está contido no vetor “n.naturais”
No R, contidos é igual a %in%

n.pares %in% n.naturais

[1] TRUE TRUE TRUE TRUE

Conjuntos

Isto é, o vetor “n.pares” está contido no vetor “n.naturais” e é um subconjunto
Outra maneira é utilizando a função is.element()

is.element(n.pares,n.naturais)

[1] TRUE TRUE TRUE TRUE

Conjuntos

Para encontrar os valores exclusivos de um conjunto, vamos utilizar a escrita da seleção de elementos
Podemos incluir a notação de “!”, que quer dizer diferente
Portanto, selecionamos os valores que estão contido no conjunto dos naturais, porém não no conjunto dos valores pares

n.naturais[!is.element(n.naturais,n.pares)]

[1] 0 1 3 5 7 9

Conjuntos

Por fim, vamos testar se um valor está presente em um desses vetores
Testaremos os valores 1, 11 e 21

1 %in% c(n.naturais,n.pares)

[1] TRUE

11 %in% c(n.naturais,n.pares)

[1] FALSE

21 %in% c(n.naturais,n.pares)

[1] FALSE

Assim, não temos os valores 11 e 21 em nenhum dos vetores, entendidos como conjuntos

data.frame

Um data.frame é o mesmo que uma tabela do SQL ou uma planilha Excel
seus dados provavelmente serão importados para um objeto data.frame
data.frame’s são listas especiais em que todos os elementos possuem o mesmo comprimento.
Cada elemento dessa lista pode ser pensado como uma coluna da tabela - ou como uma variável. Uso do ‘$’
Seu comprimento representa o número de linhas - ou seja, de observações

data.frame de perto

Como data.frames’s são listas, suas colunas podem ser de classes diferentes. Essa é a grande diferença entre data.frame’s e matrizes.

Funções úteis:

head() # Mostra as primeiras 6 linhas.
tail() # Mostra as últimas 6 linhas.
dim() # Número de linhas e de colunas.
names() # Os nomes das colunas (variáveis).
str() # Estrutura do data.frame. Mostra, entre outras coisas, as >classes de cada coluna.
cbind() # Acopla duas tabelas lado a lado.
rbind() # Empilha duas tabelas.

Estrutura de dados

Pacotes

O que são pacotes

O R possui diversas funções já instaladas dentro da sua programação
Exemplos são sum(), length(), class(), c()
Outras, porém, devem ser instaladas para que possam ser utilizadas pelos usuários
A maneira com a qual instalamos novas funções, não definidas anteriormente no software, é através de pacotes

O que fazem os pacotes

Pacotes concentram diversas funções para diversas demandas
Importação de dados;
Organização de banco de dados;
Análises estatísticas específicas;
Gráficos diferenciados;

Mais pacotes

A instalação de qualquer pacote pode ser feita por dentro do R
É preciso conexão com a internet, já que o R busca o novo pacote no repositório de pacotes
A função para instalar pacotes é install.packages()
O nome do pacote deve vir entre aspas dentro dos parênteses

Instalando pacote

Podemos começar instalando o pacote para importação de bases de dados: foreign

install.packages("foreign")

Após alguns segundos, e algumas mensagens no console, a instalação será efetivada
Cada pacote, inclusive o foreign, tem uma documentação disponível na internet
Nessa documentação estão disponíveis as funções que o pacote possui, além do nome do seu criador

Ativando pacotes

As função não ficam disponíveis assim que o pacote termina a instalação
Para ativar as funções do pacote, é preciso utilizar a função library()

library(foreign)

Repare, que uma vez instalado, o nome do pacote não precisa mais estar entre aspas

Ativar pacotes

Para começarmos o procedimento de instalação do pacote, seguimos os passos a seguir:
– Caso não esteja instalado, instalar o pacote através da função install.packages();
– Para ativar o pacote, utilizar a função library() sem as aspas no nome do pacote instalado

install.packages("foreign")

library(foreign)

Uma vez instalado o pacote, não é preciso instalar mais, a não ser que você reinstale o R

Importação de dados

importação: uma das tarefas que demandam mais atenção

É preciso ter um conhecimento prévio de como sua base externa está constituída
Outra informação importante é a extensão do arquivo da base (.txt, .xlsx, .csv)

Cuidado

Primeiro, você deve importar seus dados para o R. Isso geralmente significa que você pega dados armazenados em um arquivo, um banco de dados ou uma API da web e importa em uma tabela (data frame) no R. Se você não conseguir importar seus dados para o R, não poderá fazer ciência de dados com eles!

Diretório de trabalho

Primeiramente, a informação que deve ser dada ao software é onde está a base - diretório de trabalho
A função necessária é setwd() que define o diretório da sua seção no R
Dentro da função, iremos inserir o local do arquivo
Em caso de Windows, inverta as barras ou duplique;
Não se esqueça das aspas;

setwd("/Volumes//Volumes/MacSSD480/git_proj/emcp2024/aula1")

sem pacotes

Esse diretório definido significa que as bases e os gráficos produzidos serão enviados para essa pasta
Finalmente, vamos importar as bases de dados
Primeiro, vamos importar a base de extensão txt com o nome baserm
Não é preciso de pacote para esse procedimento

importando txt

lines <- readLines("dados/baserm.txt")

baserm <- read.table(text = lines, sep = '\t')

Repare que definimos a base dentro das aspas e com a extensão
Na segunda linha, o primeiro argumento é o texto, o segundo argumento trata de como os dados estão separados, geralmente txt vem separado assim

foreign

No pacote foreign, a forma mais genérica de importação da base é o read.table()
Entretanto, o pacote apresenta uma série de especialidades, a depender da extensão em questão
Para CSV, vimos que tem a read.csv(). Já para dta, base de origem do stata, temos a função read.dta()

readxl

O pacote foreign não possui a extensão xlsx e xls, extensão muito encontrada e comum entre as bases de dados disponíveis
Para isso, vamos instalar um novo pacote readxl

install.packages("readxl")

Esse pacote disponibiliza as funções read_xls() e read_xlsx()

Ativando funções do readxl

Vamos ativar as funções disponíveis no pacote readxl com a função library()

library(readxl)

Vamos importar a base controle_cgu_municípios.xlsx

cgu <- 
read_xlsx("dados/controle_cgu_municípios.xlsx")

Importando com readxl

Repare que acessamos apenas a primeira página da base
Para acessarmos a segunda páginas, utilizamos o argumento sheet=2

cgu <- 
read_xlsx("dados/controle_cgu_municípios.xlsx", 
sheet = 2)

Alguns sinais de alerta surgem, porém não se trata de erro

Importação por pacote

Por fim, podemos importar dados através de pacotes
Após ativar o pacote “ElectionsBR”, a função legend_fed() fica disponível para a importação
Como toda a função, ou quase todas, possui argumentos importantes:
- ‘year =’ se refere ao ano de extração
- ‘uf =’ se refere à UF

Importação

Vamos começar importando dados de coalizões pré-eleitorais (coligações) do DF em 2018, nos retornando um objeto em ‘tbl_df’ e data frame

library(electionsBR)
leg_df_2018 <- legend_fed(year = 2018,uf="DF")


  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |==                                                                    |   3%
  |                                                                            
  |====                                                                  |   6%
  |                                                                            
  |=======                                                               |   9%
  |                                                                            
  |=========                                                             |  13%
  |                                                                            
  |===========                                                           |  15%
  |                                                                            
  |==============                                                        |  20%
  |                                                                            
  |=================                                                     |  25%
  |                                                                            
  |====================                                                  |  29%
  |                                                                            
  |======================                                                |  32%
  |                                                                            
  |=========================                                             |  35%
  |                                                                            
  |===========================                                           |  38%
  |                                                                            
  |=============================                                         |  42%
  |                                                                            
  |===============================                                       |  45%
  |                                                                            
  |==================================                                    |  48%
  |                                                                            
  |====================================                                  |  52%
  |                                                                            
  |========================================                              |  57%
  |                                                                            
  |==========================================                            |  61%
  |                                                                            
  |=============================================                         |  64%
  |                                                                            
  |===============================================                       |  67%
  |                                                                            
  |=================================================                     |  70%
  |                                                                            
  |====================================================                  |  74%
  |                                                                            
  |======================================================                |  77%
  |                                                                            
  |========================================================              |  80%
  |                                                                            
  |==========================================================            |  84%
  |                                                                            
  |============================================================          |  86%
  |                                                                            
  |===================================================================   |  96%
  |                                                                            
  |======================================================================| 100%

  - Provavelmente, demorará alguns segundos, até minutos, para a importação
  - Além disso, essa técnica demanda acesso à internet

Visualizando a base

Primeira coisa importante de se informar é a classe desses objetos
Temos 4 objetos: baserm, cgu, educacao e pnad2018

class(baserm)

[1] "data.frame"

class(cgu)

[1] "tbl_df"     "tbl"        "data.frame"

class(leg_df_2018)

[1] "tbl_df"     "tbl"        "data.frame"

Visualizando a base

Uma visão completa da base é o comando View()
Entretanto, cuidado, dependendo do tamanho da base, podemos travar o software

View(baserm)

Repare no V maiúsculo, lembre-se que o R é bastante sensível na sua linguagem
O View() abre uma nova aba com a base no formato de grade
Podemos, assim, visualizar a base de dados na forma mais intuitiva

Visualizando a base

Porém, para bases como a pnad2018, por exemplo, sabemos que é grande demais para sua visualização ser feita através do View()
Algumas funções podem nos ajudar nessa tarefa
A primeira é o dim, que as dimensões da base

dim(leg_df_2018)

[1] 251  23

O primeiro valor sempre retrata o número de linhas, ou observações, enquanto o segundo valor apresenta o número de colunas, ou variáveis
A função ncol() e length() também indicam quantas colunas, ou variáveis estão presentes na base

Visualizando a base

Outra função importante na visualização de bases de dados é a lista de nomes
A função names() descreve as variáveis presentes na base
Isso facilita no momento de selecionar as variáveis que entrarão na análise de vocês

names(cgu)

 [1] "COD.IBGE7"               "REGIÃO"                 
 [3] "UF"                      "PORTE"                  
 [5] "MUNICÍPIO"               "falha"                  
 [7] "tempo_falha_02"          "tempo_falha_01"         
 [9] "reicidência_falha"       "ano_eleitoral"          
[11] "PERCENT_ganhador_2000"   "PERCENT_ganhador_2004"  
[13] "PERCENT_ganhador_2008"   "PERCENT_ganhador_2012"  
[15] "PERCENT_ganhador_médio"  "competição_pol_alta"    
[17] "Ideologia1"              "Ideologia2"             
[19] "Ideologia3"              "ideologia 4"            
[21] "ideologia_media"         "IDHM_2000"              
[23] "IDHM_2010"               "IDHM_media"             
[25] "tm 2000"                 "tm 2004"                
[27] "tm 2008"                 "tm2012"                 
[29] "tamanho setor media"     "NEP1"                   
[31] "NEP2"                    "NEP3"                   
[33] "NEP4"                    "NEP_medio"              
[35] "Pibpercapita2000"        "Pibpercapita2004"       
[37] "Pibpercapita2008"        "Pibpercapita2012"       
[39] "Pibpercapita_medio"      "TaxadeUrbanização2000"  
[41] "TaxadeUrbanização2004"   "TaxadeUrbanização2008"  
[43] "TaxadeUrbanização_media" "Arrec_Prop2000"         
[45] "Arrec_Prop2004"          "Arrec_Prop2008"         
[47] "Arrec_Prop2012"          "Arrec_Prop_media"       
[49] "POP"                     "LN_POP"                 
[51] "N_NE"                    "Viznho"                 
[53] "sul"                     "centro_Oeste"           
[55] "Sudeste"                 "Nordeste"

Visualizando a base

Outra função possível é o str()
Essa função apresenta o nome das variáveis, a classe de cada uma delas e os primeiros valores

str(leg_df_2018)

tibble [251 × 23] (S3: tbl_df/tbl/data.frame)
 $ DT_GERACAO             : chr [1:251] "25/02/2024" "25/02/2024" "25/02/2024" "25/02/2024" ...
 $ HH_GERACAO             : 'hms' num [1:251] 11:01:14 11:01:14 11:01:14 11:01:14 ...
  ..- attr(*, "units")= chr "secs"
 $ ANO_ELEICAO            : num [1:251] 2018 2018 2018 2018 2018 ...
 $ CD_TIPO_ELEICAO        : num [1:251] 2 2 2 2 2 2 2 2 2 2 ...
 $ NM_TIPO_ELEICAO        : chr [1:251] "ELEIÇÃO ORDINÁRIA" "ELEIÇÃO ORDINÁRIA" "ELEIÇÃO ORDINÁRIA" "ELEIÇÃO ORDINÁRIA" ...
 $ NR_TURNO               : num [1:251] 1 1 1 1 1 1 1 1 1 1 ...
 $ CD_ELEICAO             : num [1:251] 297 297 297 297 297 297 297 297 297 297 ...
 $ DS_ELEICAO             : chr [1:251] "Eleições Gerais Estaduais 2018" "Eleições Gerais Estaduais 2018" "Eleições Gerais Estaduais 2018" "Eleições Gerais Estaduais 2018" ...
 $ DT_ELEICAO             : chr [1:251] "07/10/2018" "07/10/2018" "07/10/2018" "07/10/2018" ...
 $ SG_UF                  : chr [1:251] "DF" "DF" "DF" "DF" ...
 $ SG_UE                  : chr [1:251] "DF" "DF" "DF" "DF" ...
 $ NM_UE                  : chr [1:251] "DISTRITO FEDERAL" "DISTRITO FEDERAL" "DISTRITO FEDERAL" "DISTRITO FEDERAL" ...
 $ CD_CARGO               : num [1:251] 4 4 10 6 5 8 9 6 10 6 ...
 $ DS_CARGO               : chr [1:251] "VICE-GOVERNADOR" "VICE-GOVERNADOR" "2º SUPLENTE" "DEPUTADO FEDERAL" ...
 $ TP_AGREMIACAO          : chr [1:251] "COLIGAÇÃO" "COLIGAÇÃO" "COLIGAÇÃO" "COLIGAÇÃO" ...
 $ NR_PARTIDO             : num [1:251] 14 77 33 19 51 20 43 21 77 20 ...
 $ SG_PARTIDO             : chr [1:251] "PTB" "SOLIDARIEDADE" "PMN" "PODE" ...
 $ NM_PARTIDO             : chr [1:251] "PARTIDO TRABALHISTA BRASILEIRO" "SOLIDARIEDADE" "PARTIDO DA MOBILIZAÇÃO NACIONAL" "PODEMOS" ...
 $ SQ_COLIGACAO           : num [1:251] 7e+10 7e+10 7e+10 7e+10 7e+10 ...
 $ NM_COLIGACAO           : chr [1:251] "JUNTOS DE VOCÊ" "UNIDOS PELO DF" "JUNTOS DE VOCÊ" "UNIDOS PELO DF 1" ...
 $ DS_COMPOSICAO_COLIGACAO: chr [1:251] "PROS / PTB / PHS / PATRIOTA / PMN / PTC / PMB" "PSD / PRB / PPS / SOLIDARIEDADE / PODE / PSC" "PROS / PTB / PHS / PATRIOTA / PMN / PTC / PMB" "PRB / PODE / PPS / SOLIDARIEDADE / PSC / PSD" ...
 $ CD_SITUACAO_LEGENDA    : chr [1:251] "D" "D" "D" "D" ...
 $ DS_SITUACAO            : chr [1:251] "DEFERIDO" "DEFERIDO" "DEFERIDO" "DEFERIDO" ...
 - attr(*, ".internal.selfref")=<externalptr>

Visualizando a base

Finalmente, a função head() e tail()
A primeira função apresenta os primeiros valores de uma base de dados

head(baserm,2)

  sigla cod.ibge  estado anoeleitoral1990 anoeleitoral1991 anoeleitoral1992
1    AC       12    Acre                1                0                0
2    AL       27 Alagoas                1                0                0
  anoeleitoral1993 anoeleitoral1994 anoeleitoral1995 anoeleitoral1996
1                0                1                0                0
2                0                1                0                0
  anoeleitoral1997 anoeleitoral1998 anoeleitoral1999 anoeleitoral2000
1                0                1                0                0
2                0                1                0                0
  anoeleitoral2001 anoeleitoral2002 anoeleitoral2003 anoeleitoral2004
1                0                1                0                0
2                0                1                0                0
  anoeleitoral2005 anoeleitoral2006 anoeleitoral2007 anoeleitoral2008
1                0                1                0                0
2                0                1                0                0
  anoeleitoral2009 anoeleitoral2010 anoeleitoral2011 anoeleitoral2012
1                0                1                0                0
2                0                1                0                0
  anoeleitoral2013 anoeleitoral2014 anoeleitoral2015 anoeleitoral2016
1                0                1                0                0
2                0                1                0                0
  anoeleitoral2017 vitoria1990.1 vitoria1994.1 vitoria1998.1 vitoria2002.1
1                0         28.64         46.80         57.70         46.81
2                0         49.76         79.39         58.09         52.93
  vitoria2006.1 vitoria2010.1 vitoria2014.1 vitoria2017.1 derrota1990.1
1         53.05         50.51         49.73            NA         28.34
2         55.85         39.58         52.16            NA         44.65
  derrota1994.1 derrota1998.1 derrota2002.1 derrota2006.1 derrota2010.1
1         27.30         26.30         33.64         35.12         49.18
2          9.97         38.95         40.17         30.51         29.16
  derrota2014.1 derrota2017.1 marge1990 marge1994 marge1998 marge2002 marge2006
1         30.10            NA      0.30     19.50     31.40     13.17     17.93
2         33.92            NA      5.11     69.42     19.14     12.76     25.34
  marge2010 marge2014 marge2017 vitoria1990.2 vitoria1994.2 vitoria1998.2
1      1.33     19.63        NA         54.61         53.66            NA
2     10.42     18.24        NA         65.97            NA            NA
  vitoria2002.2 vitoria2006.2 vitoria2010.2 vitoria2014.2 vitoria2017.2
1            NA            NA            NA         51.29            NA
2            NA            NA         52.74            NA            NA
  derrota1990.2 derrota1994.2 derrota1998.2 derrota2002.2 derrota2006.2
1         45.39         46.34            NA            NA            NA
2         34.03            NA            NA            NA            NA
  derrota2010.2 derrota2014.2 derrota2017.2 segunt.1990 segunt.1994 segunt.1998
1            NA         48.71            NA           1           1           0
2         47.26            NA            NA           1           0           0
  segunt.2002 segunt.2006 segunt.2010 segunt.2014 segunt.2017
1           0           0           0           1           0
2           0           0           1           0           0
                       colig.venc1990             colig.venc1994
1                         PDS/PFL/PRN                 PPR/PP/PFL
2 PSC/PMDB/PFL/PSDB/PDT/PTB/PMN/PTdoB PMDB/PTB/PSDB/PL/PSD/PCdoB
                                           colig.venc1998
1       PT/PSDB/PCdoB/PDT/PSB/PPS/PV/PMN/PTB/PL/PSL/PTdoB
2 PSB/PT/PDT/PCdoB/PPS/PTdoB/PRONA/PRP/PV/PTN/PSN/PMN/PST
                         colig.venc2002              colig.venc2006
1         PT/PL/PCdoB/PV/PMN/PSDC/PTdoB PT/PP/PL/PSB/PCdoB/PMN/PRTB
2 PSB/PST/PAN/PHS/PSC/PTC/PSDC/PV/PRONA         PSDB/PMDB/PPS/PTdoB
                                                   colig.venc2010
1 PT/PP/PRB/PDT/PTN/PR/PSDC/PHS/PTC/PSB/PV/PRP/PCB/PTB/PSTU/PCdoB
2                                         PP/PSC/PPS/DEM/PSB/PSDB
                                                  colig.venc2014 colig.venc2017
1 PT/PDT/PCdoB/PSB/PTB/PCB/PSL/PRB/PSDC/PTN/PPL/PROS/PRP/PHS/PEN           <NA>
2                PMDB/PT/PDT/PTB/PCdoB/PSD/PSC/PROS/PV/PTdoB/PHS           <NA>
  cent.venc1990 cent.venc1994 cent.venc1998 cent.venc2002 cent.venc2006
1           PDS           PPR            PT            PT            PT
2           PSC          PMDB           PSB           PSB          PSDB
  cent.venc2010 cent.venc2014 cent.venc2017         colig.derr1990
1            PT            PT          <NA>       PT/PDT/PCB/PCdoB
2          PSDB          PMDB          <NA> PRN/PDC/PL/PTR/PST/PRP
          colig.derr1994        colig.derr1998        colig.derr2002
1          PMDB/PSDB/PDT               PFL/PPB PMDB/PSDB/PFL/PPB/PST
2 PP/PPR/PFL/PSC/PRN/PMN PTB/PSDB/PFL/PGT/PMDB  PRTB/PTB/PPS/PPB/PFL
        colig.derr2006                      colig.derr2010
1 PPS/PMDB/PDT/PTC/PHS PSDB/PMDB/DEM/PSL/PSC/PPS/PMN/PTdoB
2    PTB/PMN/PFL/PV/PP PDT/PT/PMDB/PR/PSDC/PRP/PCdoB/PTdoB
                            colig.derr2014 colig.derr2017 cent.derr1990
1 PSDB/PMDB/PP/PSC/PSD/PR/PPS/PTdoB/SD/PTC           <NA>            PT
2        PP/PSB/DEM/PR/PPS/SD/PSL/PSDC/PRP           <NA>           PRN
  cent.derr1994 cent.derr1998 cent.derr2002 cent.derr2006 cent.derr2010
1          PMDB           PFL          PMDB           PPS          PSDB
2            PP           PTB          PRTB           PTB           PDT
  cent.derr2014 cent.derr2017      pib1990      pib1991      pib1992
1          PSDB          <NA> 8,5046506371 8,7232716989 8,5758084005
2            PP          <NA> 6,1245303676 6,1700559571 6,3226355082
       pib1993      pib1994      pib1995      pib1996      pib1997      pib1998
1 8,5919435813 8,4737417079 8,5777487009 8,5137013716 8,2219297645 8,3880379051
2 6,0055725931  6,362685085  6,181753266 6,1250000647 6,3801014987  6,447201319
       pib1999      pib2000      pib2001      pib2002      pib2003      pib2004
1  8,304872692 8,4004032965 8,4772487716 8,6074182777 8,7019837683 9,2998229259
2 6,2677884172 6,3133529976 6,3528049829 6,2872324787  6,178023009 6,3815555297
       pib2005      pib2006       pib2007       pib2008       pib2009
1  9,396913016 9,6611772592 10,7836698517 11,1098707418 11,0597301472
2 6,6081828111 6,8190719202  7,1293278871  7,2077456254  7,2927619283
        pib2010       pib2011 presidente_ass1990 presidente_ass1994
1 11,5674100019 11,0150052537                PDS                PPB
2  7,8742100008  8,4879911718               <NA>               <NA>
  presidente_ass1998 presidente_ass2002 presidente_ass2006 presidente_ass2010
1                PPB                PMN                PPR                PEN
2               <NA>               <NA>               <NA>               <NA>
  presidente_ass2014 alinhamento1990 alinhamento1994 alinhamento1998
1                 PT               1               0               0
2               PMDB              NA              NA              NA
  alinhamento2002 alinhamento2006 alinhamento2010 alinhamento2014  nep1994
1               0               0               0               1 2.027088
2              NA              NA              NA               1 4.300454
        tampub1990       tampub1991       tampub1992       tampub1993
1 611411,513586656  536496,02078722 608472,003975918 628730,202973373
2 1313572,46142367 1194027,27279608 1028453,06094235 1347342,39625056
        tampub1994       tampub1995       tampub1996       tampub1997
1 759921,483162687 702943,384175584 641316,605942853  732135,48830176
2 1312023,68646294 1383956,67383895 1801731,17072279 1759142,06212779
        tampub1998       tampub1999       tampub2000       tampub2001
1 791582,505357824 769742,256433218 709631,314458073 696843,832285717
2 1828943,13052009 1775942,55060186 1773535,41143224 1794722,67176703
        tampub2002       tampub2003       tampub2004       tampub2005
1 792129,607169136 790293,863518309 812197,028281624 865132,591797147
2 1784143,23672935 1759563,77863612 1795456,15261078 1912450,83760713
        tampub2006       tampub2007       tampub2008       tampub2009
1 932586,565877418 1014670,56483533 1070900,44301039  1100656,5650149
2 2075462,54896424 2262606,57966598 2454839,30043114 2559887,84486059

O segundo argumento serve para indicar quantas linhas serão apresentadas
Tail(), por outro lado, apresenta os últimos valores de uma base de dados

tail(baserm,4)

   sigla cod.ibge         estado anoeleitoral1990 anoeleitoral1991
24    SC       42 Santa Catarina                1                0
25    SE       28        Sergipe                1                0
26    SP       35   S\xe3o Paulo                1                0
27    TO       17      Tocantins                1                0
   anoeleitoral1992 anoeleitoral1993 anoeleitoral1994 anoeleitoral1995
24                0                0                1                0
25                0                0                1                0
26                0                0                1                0
27                0                0                1                0
   anoeleitoral1996 anoeleitoral1997 anoeleitoral1998 anoeleitoral1999
24                0                0                1                0
25                0                0                1                0
26                0                0                1                0
27                0                0                1                0
   anoeleitoral2000 anoeleitoral2001 anoeleitoral2002 anoeleitoral2003
24                0                0                1                0
25                0                0                1                0
26                0                0                1                0
27                0                0                1                0
   anoeleitoral2004 anoeleitoral2005 anoeleitoral2006 anoeleitoral2007
24                0                0                1                0
25                0                0                1                0
26                0                0                1                0
27                0                0                1                0
   anoeleitoral2008 anoeleitoral2009 anoeleitoral2010 anoeleitoral2011
24                0                0                1                0
25                0                0                1                0
26                0                0                1                0
27                0                0                1                0
   anoeleitoral2012 anoeleitoral2013 anoeleitoral2014 anoeleitoral2015
24                0                0                1                0
25                0                0                1                0
26                0                0                1                0
27                0                0                1                0
   anoeleitoral2016 anoeleitoral2017 vitoria1990.1 vitoria1994.1 vitoria1998.1
24                0                0         50.42         45.86         58.92
25                0                0         73.74         47.61         40.17
26                0                0         43.50         46.84         32.21
27                0                0         49.12         58.73         61.65
   vitoria2002.1 vitoria2006.1 vitoria2010.1 vitoria2014.1 vitoria2017.1
24         39.86         48.90         52.71         51.36            NA
25         43.63         52.46         52.08         53.52            NA
26         38.28         57.93         50.63         57.31            NA
27         60.60         51.49         50.52         51.30            NA
   derrota1990.1 derrota1994.1 derrota1998.1 derrota2002.1 derrota2006.1
24         30.07         34.00         23.12         30.07         32.77
25         25.07         47.40         38.70         28.43         45.02
26         28.17         22.23         22.95         32.45         31.68
27         37.33         36.57         33.17         33.74         46.84
   derrota2010.1 derrota2014.1 derrota2017.1 marge1990 marge1994 marge1998
24         24.91         29.90            NA     20.35     11.86     35.80
25         45.19         41.37            NA     48.67      0.21      1.47
26         35.23         21.53            NA     15.33     24.61      9.26
27         49.48         44.72            NA     11.79     22.16     28.48
   marge2002 marge2006 marge2010 marge2014 marge2017 vitoria1990.2
24      9.79     16.13     27.80     21.46        NA            NA
25     15.20      7.44      6.89     12.15        NA            NA
26      5.83     26.25     15.40     35.78        NA         51.77
27     26.86      4.65      1.04      6.58        NA         55.94
   vitoria1994.2 vitoria1998.2 vitoria2002.2 vitoria2006.2 vitoria2010.2
24         50.80            NA         50.34         52.71            NA
25         51.68         54.39         55.00            NA            NA
26         56.12         55.37         58.64            NA            NA
27            NA            NA            NA            NA            NA
   vitoria2014.2 vitoria2017.2 derrota1990.2 derrota1994.2 derrota1998.2
24            NA            NA            NA         49.20            NA
25            NA            NA            NA         48.32         45.61
26            NA            NA         48.23         43.88         44.63
27            NA            NA         44.06            NA            NA
   derrota2002.2 derrota2006.2 derrota2010.2 derrota2014.2 derrota2017.2
24         49.66         47.29            NA            NA            NA
25         45.00            NA            NA            NA            NA
26         41.36            NA            NA            NA            NA
27            NA            NA            NA            NA            NA
   segunt.1990 segunt.1994 segunt.1998 segunt.2002 segunt.2006 segunt.2010
24           0           1           0           1           1           0
25           0           1           1           1           0           0
26           1           1           1           1           0           0
27           1           0           0           0           0           0
   segunt.2014 segunt.2017                       colig.venc1990
24           0           0              PFL/PDS /PDC/PTB/PL/PSC
25           0           0 PFL/PMDB/PDS/PSDB/PRN/PL/PDC/PCN/PST
26           0           0                      PMDB/PFL/PL/PSD
27           0           0              PMDB/PDT/PSDB/PRN/PCdoB
                                   colig.venc1994
24  PMDB/PTRB/PMN/PSD/PV/PRP/PCdoB/PDT/PPS/PT/PSB
25 PSDB/PFL/PMDB/PPR/PTB/PPS/PL/PSD/PSC/PRP/PTdoB
26                                       PSDB/PFL
27                          PPR/PFL/PP/PTB/PV/PMN
                                                       colig.venc1998
24            PPB/PFL/PSDB/PTB/PL/PRN/PTdoB/PGT/PRTB/PSDC/PSL/PST/PAN
25                                    PSDB/PMDB/PPB/PL/PSC/PPS/PV/PMN
26                                                       PSDB/PTB/PSD
27 PFL/PPB/PSDB/PTB/PSC/PL/PDT/PSB/PV/PRP/PST/PTN/PSDC/PGT/PRTB/PTdoB
                                      colig.venc2002
24                                         PMDB/PSDB
25                 PFL/PPB/PPS/PDT/PSD/PST/PHS/PTdoB
26                                      PSDB/PFL/PSD
27 PFL/PPB/PSDB/PSD/PSL/PST/PAN/PRTB/PRP/PRONA/PTdoB
                         colig.venc2006
24 PMDB/PAN/PFL/PHS/PPS/PRTB/PSDB/PTdoB
25             PT/PSB/PMDB/PL/PTB/PCdoB
26                     PSDB/PFL/PTB/PPS
27                         PMDB/PPS/PFL
                                      colig.venc2010
24             DEM/PMDB/PSDB/PPS/PTB/PSC/PSL/PTC/PRP
25          PT/PMDB/PDT/PSB/PRB/PSL/PSC/PR/PTC/PCdoB
26                     PSDB/DEM/PMDB/PSC/PPS/PHS/PMN
27 PSDB/DEM/PTB/PR/PSC/PV/PTN/PRB/PRTB/PMN/PTC/PTdoB
                                               colig.venc2014 colig.venc2017
24         PSD/PMDB/DEM/PRB/PR/PSC/PSDC/PROS/PV/PDT/PCdoB/PTB           <NA>
25           PMDB/PSB/PT/PRB/PSD/PCdoB/PDT/PROS/PRTB/PSDC/PRP           <NA>
26 PSDB/PSB/DEM/PRB/SD/PSC/PPS/PTC/PTN/PSL/PMN/PEN/PSDC/PTdoB           <NA>
27                                             PMDB/PV/PT/PSD           <NA>
   cent.venc1990 cent.venc1994 cent.venc1998 cent.venc2002 cent.venc2006
24           PFL          PMDB           PPB          PMDB          PMDB
25           PFL          PSDB          PSDB           PFL            PT
26          PMDB          PSDB          PSDB          PSDB          PSDB
27          PMDB           PPR           PFL           PFL          PMDB
   cent.venc2010 cent.venc2014 cent.venc2017              colig.derr1990
24           DEM           PSD          <NA>                        <NA>
25            PT          PMDB          <NA> PT/PSB/PCB/PCdoB/PDT/PMN/PV
26          PSDB          PSDB          <NA>             PDS/PTB/PDC/PRN
27          PSDB          PMDB          <NA>  PDC/PFL/PL/PSC/PST/PTR/PMN
                           colig.derr1994                    colig.derr1998
24             PPR/PP/PTB/PSC/PL/PFL/PSDB                              <NA>
25                PDT/PMN/PP/PT/PSB/PCdoB PFL/PTB/PSD/PRN/PRP/PTN/PAN/PTdoB
26                             PDT/PV/PRP            PPB/PFL/PL/PRN/PSL/PST
27 PMDB/PSDB/PDT/PL/PSC/PSD/PRN/PSB/PCdoB                PMDB/PCdoB/PPS/PSD
                       colig.derr2002                           colig.derr2006
24 PPB/PFL/PSL/PST/PDT/PTB/PRTB/PTdoB                          PP/PMN/PRONA/PV
25                PT/PL/PCdoB/PCB/PMN PFL/PSDB/PP/PPS/PSC/PV/PTN/PAN/PHS/PTdoB
26                   PT/PCdoB/PCB/PMN                     PT/PCdoB/PL/PRB/PRTB
27                               <NA>          PSDB/PP/PTB/PSC/PL/PSB/PV/PTdoB
                                  colig.derr2010
24                                  PP/PDT/PTdoB
25                                          <NA>
26   PT/PDT/PCdoB/PR/PSDC/PTN/PRB/PRP/PRTB/PTdoB
27 PMDB/PP/PT/PDT/PPS/PSB/PSL/PSDC/PHS/PRP/PCdoB
                                                       colig.derr2014
24                  PSDB/PP/PSB/PSL/PTN/PPS/PRTB/PHS/PTC/PEN/PTdoB/SD
25         PSC/PSDB/DEM/PTB/PPS/PR/SD/PTC/PEN/PV/PHS/PMN/PSL/PP/PTdoB
26                                               PMDB/PDT/PSD/PP/PROS
27 SD/PDT/PSDB/PP/PTB/DEM/PPS/PSB/PRB/PSL/PSC/PR/PRTB/PHS/PTC/PRP/PEN
   colig.derr2017 cent.derr1990 cent.derr1994 cent.derr1998 cent.derr2002
24           <NA>          PMDB           PPR          PMDB           PPB
25           <NA>            PT           PDT           PFL            PT
26           <NA>           PDS           PDT           PPB            PT
27           <NA>           PDC          PMDB          PMDB          PMDB
   cent.derr2006 cent.derr2010 cent.derr2014 cent.derr2017       pib1990
24            PP            PP          PSDB          <NA> 17,2942659152
25           PFL          PRTB           PSC          <NA>   8,492623942
26            PT            PT          PMDB          <NA> 22,9467064865
27          PSDB          PMDB            SD          <NA>  7,4802792384
         pib1991       pib1992       pib1993       pib1994       pib1995
24 17,4862919047 17,7565110336 18,4320880928 18,7359294484 19,5010579924
25  8,4435004265  8,2226447498  8,4335197127  8,4825655399  8,4215892959
26 22,4485135313 21,5229856589 22,4841773891 23,4447255754 24,1643222911
27  7,6122181897  7,6062331607  7,5925648284  7,6169350505  7,7713175348
         pib1996       pib1997       pib1998       pib1999       pib2000
24 19,8858255241 20,4634529228 20,1427853348 20,0822904535 20,5757218084
25   8,561773119  9,0157557207  8,8628500033  8,6218728818  8,7672435729
26 24,1031639625 24,5496938133 23,8962432492 23,1100251143 23,7092725642
27  7,7757470707  7,9080208851  8,0789021631  8,0857119891  8,1320619577
         pib2001       pib2002       pib2003       pib2004       pib2005
24 20,8844623857 20,9616339366 20,8384159784 22,0522553398 22,0431784035
25  8,6820460686  8,8717633988  8,9504386847  9,3804812523   9,746751866
26 23,4228446292 23,3234417859 22,8757550908 23,8912154431 24,3598569518
27  8,0138560417  8,0758971422  8,7326442958  9,3678485905  9,7264417171
         pib2006       pib2007       pib2008       pib2009       pib2010
24 22,2606141093   23,96452476 23,9180809893 23,6424543172 24,3984200027
25  9,9776921472 10,9347879797 10,8817029713 11,2505972278 11,5724400015
26 24,9467930565 27,6206370268 28,4034940399 27,9288107975 30,2431700034
27   9,829354866 11,0237822544 11,3575263384 11,6840034913  12,461670002
         pib2011 presidente_ass1990 presidente_ass1994 presidente_ass1998
24 25,0174683914                PDS                PDS               PSDB
25 11,7197545373                PFL               <NA>                PFL
26 30,3351441728               PMDB               PSDB               PSDB
27 12,0513847615               <NA>               <NA>               <NA>
   presidente_ass2002 presidente_ass2006 presidente_ass2010 presidente_ass2014
24                 PT               <NA>                PSD               PMDB
25                PFL               PSDB                PSC               PMDB
26               PSDB               PSDB                PSB               PSDB
27               <NA>               <NA>               <NA>               <NA>
   alinhamento1990 alinhamento1994 alinhamento1998 alinhamento2002
24               0               0               0               0
25               1              NA               0               1
26               1               1               1               1
27              NA              NA              NA              NA
   alinhamento2006 alinhamento2010 alinhamento2014  nep1994       tampub1990
24              NA               0               0 1.852039 3864440,51885973
25               0               0               1 1.540130 971919,356653973
26               1               0               1 1.108644 32030505,5565219
27              NA              NA              NA 3.267424 336618,073532113
         tampub1991       tampub1992       tampub1993       tampub1994
24 3044398,00952559 2878119,75130662 3233298,35490963 3883578,63480444
25 1033326,59668615 960209,465362672 1023101,23672086 1093757,75386495
26 29318383,7079537 26083676,9601677 29504411,1559908 30518738,9985881
27  395704,33220278 299986,954758008 458680,363556348 545919,364528239
         tampub1995       tampub1996       tampub1997       tampub1998
24 4239392,34190224  4329228,8310874 3933863,15598997 4118723,21824177
25 1359761,69411054 1369064,65139731  1287005,6603136 1371625,49255682
26 32451245,0300568 36454840,1901522 38684167,2518864 41904103,8133446
27 576491,552242776  695778,42898056 706966,447184362 793937,877438079
         tampub1999       tampub2000       tampub2001       tampub2002
24 4001104,51547176 4351501,64784291 4069839,68215204 4487510,19538674
25 1332917,63824243 1399417,02637658 1347882,17013854 1593092,32922432
26 40720661,2869789 34337301,0888346 32533001,4269696  31570213,574016
27 771778,031620068 618568,172025916 591323,579673879 942548,599020474
         tampub2003       tampub2004       tampub2005       tampub2006
24 4583523,25202327 4580035,05220288 4997253,66029641 5253204,99279084
25 1541196,53447207 1550972,17264608 1694634,93724624 1960397,99369845
26 31326075,7776173  30883214,726262 32673443,6775475 34138254,7949099
27 980592,141717068 1038045,61036685 1109369,15573646 1265587,84651625
         tampub2007       tampub2008       tampub2009
24  5672797,5807212 6149095,66638515 6262294,59770163
25 2082847,29585588 2232124,70578603 2266779,22969508
26 37750820,6501719  39947491,184932 42897556,2016075
27 1387668,85772441  1464607,2921382 1575495,46613015